[发明专利]RADAR视差图优化方法、立体匹配视差图优化方法及系统

权利要求书

1.一种RADAR视差图优化方法，其特征在于，包括步骤：

获取颜色分块图：对初始图像进行对比度增强并将其由RGB空间转换为CIELab空间，通过mean-shift颜色分割对CIELab空间进行颜色分块得到颜色分块图；

获取视差图边缘信息：接收所述初始图像的初始视差图，结合Canny算子提取初始视差图中的视差图边缘信息；

视差图优化：结合颜色分块图和视差图边缘信息进行不一致区域检测得到问题区域图，根据问题区域图对所述初始视差图进行OccWeight修正并滤波得到最终视差图。

2.如权利要求1所述的RADAR视差图优化方法，其特征在于，进行OccWeight修正时采用交叉窗口进行相似点选取。

3.如权利要求1所述的RADAR视差图优化方法，其特征在于，进行OccWeight修正滤波时采用中值滤波器。

4.如权利要求1所述的RADAR视差图优化方法，其特征在于，步骤:获取视差图边缘信息中，接收到初始视差图时还对初始视差图进行初始处理，具体为：对接收到的第一初始视差图和第二初始视差图进行一致性检测查找错误点；通过交叉区域投票法修正初始视差图中的错误点的视差值；再通过加权中值滤波处理。

5.一种立体匹配视差图优化方法，其特征在于，包括步骤：

匹配代价计算：读入经过极线校正的第一初始图像和第二初始图像，对第一初始图像和第二初始图像分别通过代价函数计算匹配代价值并分别存入第一代价空间和第二代价空间中；

代价空间滤波：对第一代价空间和第二代价空间分别进行边缘增强，并分别通过对称Guided Filter滤波聚合再通过WTA法得到第一初始视差图和第二初始视差图；

RADAR视差图优化：对初始视差图应用权利要求1-3中任一项所述的RADAR视差图优化方法进行处理得到最终视差图。

6.如权利要求5所述的方法，其特征在于，进行RADAR视差图优化前包括步骤：视差图初始处理：对所述第一初始视差图和第二初始视差图进行一致性检测查找错误点，通过交叉区域投票法修正初始视差图中的错误点视差值，再通过加权中值滤波。

7.如权利要求5所述的方法，其特征在于，所述代价函数至少由MCCT代价项、截断的ADc代价项和截断的双向梯度代价项加权构成；进行MCCT的代价项计算时，分别对第一初始图像和第二初始图像进行GCM变换，并分别通过MCCT计算得到第一比特串和第二比特串，通过鲁棒的指数函数对第一比特串和第二比特串的汉明距离进行归一化得到MCCT的代价项。

8.如权利要求7所述的方法，其特征在于，进行截断的ADc代价项计算时，通过第一限定阈值对第一初始图像和第二初始图像的RGB绝对值差的均值进行截断得到截断的ADc代价项。

9.如权利要求7所述的方法，其特征在于，进行截断的双向梯度代价项计算时，通过第二限定阈值对第一初始图像和第二初始图像在水平和竖直方向的梯度差进行截断得到截断的双向梯度代价项。

10.一种立体匹配视差图优化系统，其特征在于，包括：匹配代价计算模块、代价空间滤波模块和RADAR视差图优化模块；所述匹配代价计算模块读入经过极线校正的第一初始图像和第二初始图像，对第一初始图像和第二初始图像分别通过代价函数计算匹配代价值并分别存入第一代价空间和第二代价空间中；所述代价空间滤波模块对第一代价空间和第二代价空间分别进行边缘增强，并分别通过对称Guided Filter滤波聚合再通过WTA法得到第一初始视差图和第二初始视差图；所述RADAR视差图优化模块对初始视差图应用权利要求1-4中任一项所述的RADAR视差图优化方法进行处理得到最终视差图。